Jedify recauda 24 millones de dólares para dotar a los agentes de IA de contexto empresarial

Los proveedores de IA suelen promocionar sus productos para empresas como soluciones listas para implementar, pero es poco probable que los agentes de IA funcionen de forma eficaz desde el primer día. Si no se adapta el modelo a las operaciones específicas de su empresa, este no podrá comprender cómo define su empresa los ingresos ni qué empleados tienen acceso a archivos concretos. Esta es una de las razones por las que las empresas de IA envían ingenieros para ayudar a integrar sus herramientas en los entornos de los clientes.

Jedify, una startup con sede en Nueva York, está abordando precisamente este reto. Según la empresa, su plataforma utiliza API para conectarse a fuentes de conocimiento corporativas y crear un «grafo de contexto» de su negocio, lo que permite a los agentes de IA funcionar con mayor eficacia. Estas fuentes incluyen bases de datos, almacenes de datos, lagos de datos, aplicaciones SaaS, herramientas de BI y fuentes no estructuradas como informes, documentación, bases de código, canales de Slack y grabaciones de reuniones.

Para respaldar este desarrollo, Jedify ha obtenido 24 millones de dólares en una ronda de financiación de serie A liderada por Norwest, según ha informado en exclusiva TechCrunch. Los inversores habituales S Capital VC y Cerca Partners se han sumado a la ronda, junto con el nuevo inversor Oceans Ventures. El gigante de los datos Snowflake también participó como inversor estratégico y está integrando la tecnología de Jedify en sus propias ofertas de IA, entre las que se incluyen Cortex AI, Semantic Views y CoWork.

La propuesta principal de Jedify es que, para resultar verdaderamente valiosos en un entorno empresarial, los agentes de IA deben comprender las relaciones entre entidades, datos, permisos, conocimientos de dominio, flujos de trabajo, supuestos operativos y terminología específica de la empresa. Este contexto, explica la empresa, permite a un agente de IA centrarse en la información relevante para una tarea específica, en lugar de analizar todos los datos de la organización.

El cofundador y director ejecutivo, Assaf Henkin (en la foto de arriba, el de la extrema derecha), citó a Kiteworks, una empresa especializada en cumplimiento normativo, como ejemplo de cómo los clientes sacan partido a Jedify. Kiteworks integró Snowflake, Tableau, Notion y guías internas —incluidos documentos y capturas de pantalla— con Jedify, y a continuación desarrolló herramientas basadas en agentes para diversos flujos de trabajo de los clientes.

«Su objetivo era dotar a sus equipos de ventas y de cuentas de una aplicación sofisticada; imagínate un panel de control combinado con una herramienta de conversación en tiempo real. Cuando inician una conversación con un cliente, Jedify genera dinámicamente toda la información que necesitan saber. Durante la conversación, muestra de forma proactiva detalles muy específicos en tiempo real», explicó Henkin.

El gráfico de contexto de Jedify. Créditos de la imagen:Jedify. Créditos de la imagen:Jedify /

Henkin sostiene que el gráfico de contexto de Jedify se diferencia de las capas semánticas, los catálogos de metadatos y los gráficos de conocimiento existentes porque es multidimensional: captura las relaciones entre entidades, datos, personas, permisos y clientes. Además, es independiente del modelo y se actualiza en tiempo real a medida que la información entra y sale de los sistemas conectados.

«Cuando se necesita una solución autónoma que opere de forma independiente —tomando decisiones basadas en datos de CRM, tickets de Zendesk y, tal vez, datos de telemetría en tiempo real—, un gráfico de contexto ofrece capacidades muy superiores en comparación con una capa semántica», afirmó.

Los permisos plantean un claro reto. Por ejemplo, un agente no debería conceder a un becario acceso a las previsiones de ingresos del director financiero. Henkin explica que su plataforma aborda este problema heredando los permisos de los sistemas de identidad, los sistemas de archivos, las herramientas SaaS y las bases de datos —incluidas las reglas a nivel de fila, columna y tabla— y, a continuación, permite a los clientes crear grupos adicionales que especifiquen a qué agentes o flujos de trabajo pueden acceder. La plataforma también proporciona herramientas de observabilidad y gobernanza para ayudar a los clientes a verificar que sus agentes de IA se comportan según lo esperado.

Actualmente, Jedify se dirige a clientes del mercado medio y a grandes empresas con pilas de datos maduras y múltiples bases de datos o almacenes de datos. Según Henkin, la empresa cuenta con entre 10 y 20 clientes iniciales, entre los que se encuentra The Weather Company, y está despertando el interés de sectores que hacen un uso intensivo de datos, como los videojuegos, la industria y los bienes de consumo envasados.

La inversión y la colaboración de Snowflake son dignas de mención, ya que las principales plataformas de datos también están desarrollando capacidades similares. Sin embargo, Henkin sostiene que Jedify complementa estos esfuerzos porque una parte significativa de los datos de una empresa y la mayor parte de su conocimiento institucional suelen residir en múltiples proveedores, y no en una única nube.

«[Las grandes empresas de datos] te dirán: “Claro, tráelo todo”. Pero, en realidad, las empresas tienen múltiples bases de datos, almacenes de datos y soluciones de datos. La clave es que no todos tus datos se encuentran en esos entornos, y la mayor parte de tu conocimiento tampoco está ahí, por lo que, en realidad, es una desventaja para ellas», afirmó.

Henkin también señaló que, para las empresas que intentan crear una capa de contexto comparable de forma independiente, entrenar un modelo de IA puede resultar prohibitivamente caro, sobre todo ahora que las empresas se muestran más cautelosas con respecto a su consumo de tokens de IA.

Además, el rápido ritmo de desarrollo de los modelos de IA respalda la tesis general de la empresa: a medida que los modelos se vuelven más potentes e intercambiables, el contexto propio que mejora su rendimiento dentro de las empresas podría convertirse en una ventaja competitiva valiosa y duradera.

La startup tiene previsto destinar el nuevo capital al desarrollo de productos, la contratación de personal y las actividades de comercialización. Con ello, la financiación total de la empresa asciende a aproximadamente 33 millones de dólares.